全局变量初始化时出现缺失占位符值崩溃？

Question

在张量流 1.4 上。我收到 you need a value for placeholder tensor... 错误。事情是我 am 像

一样喂这个张量

            feats = np.reshape(feats, (-1, var1, feat_dim, 1))
            _, outlogits = sess.run([train_step, logits], feed_dict={inp_layer: feats,
                                                                     targs: targets,
                                                                     eta: 1e-4})

（通常我想在图表内部重塑形状，但出于调试目的，我已将其取出）

占位符：

inp_layer = tf.placeholder(tf.float32, shape=[None, var1, feat_dim, 1])

错误说：You must feed a value for placeholder tensor 'Placeholder' with dtype float and shape [?,66,200,1]

当我运行 sess.run(tf.global_variables_initializer()) 时出现此错误，所以它甚至还没有到达应该开始考虑占位符的部分，但它却在抱怨它们？！

我认为这可能与我的图层大小之一取决于占位符这一事实有关。（虽然我有 validate_shape=False 作为权重）。将添加更多代码。

编辑：失败的示例代码，指出我认为问题出在哪里（记住代码在全局变量 init 上失败）：

!edit2：是的，问题在于那一行。那么问题就变成了我怎样才能有一个图表，其中一个权重（以及输出）的维度是动态的。

train_feats = '..'
train_json = '..'
feat_dim = 200
var1 = 20
batch_size = 64

inp_layer = tf.placeholder(tf.float32, shape=[None, var1, feat_dim, 1])
targs = tf.placeholder(tf.int64, shape=[None])
eta = tf.placeholder(tf.float32)

chunk_size = 3
w1 = init_weight([chunk_size, feat_dim, 1, 32])
b1 = tf.zeros([32])
a1 = conv_layer(inp_layer, w1, b1, stride=3, padding='VALID')

chunk_size = tf.shape(a1)[1]  <==== # ! IS THE PROBLEM !
w5 = init_weight([chunk_size, 1, 32, 12])
b5 = tf.zeros([12])
a5 = conv_layer(a1, w5, b5, stride=1, padding='VALID', act=False)
logits_ = tf.reshape(a5, [-1, 12])

softmax = tf.nn.softmax(logits_)
cross_ent = tf.reduce_sum(tf.nn.sparse_softmax_cross_entropy_with_logits(labels=targs,
                                                                            logits=logits_))

train_step = tf.train.AdamOptimizer(eta).minimize(cross_ent)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    for feats, targets in batch_gen(train_feats, train_json, var1, feat_dim):
        feats = np.reshape(feats, (var1, var1, feat_dim, 1))
        sess.run(train_step, feed_dict={inp_layer: bla,
                                        targs: targets,
                                        eta: 1e-4})

def init_weight(shape):
    return tf.Variable(tf.truncated_normal(shape, stddev=0.01), validate_shape=False)


def conv_layer(x, w, b, stride, padding, act=True):
    # striding over the features
    if act:
        return tf.nn.elu(tf.nn.conv2d(x, w, [1, stride, 1, 1], padding) + b)
    else:
        return tf.nn.conv2d(x, w, [1, stride, 1, 1], padding) + b

Answer 1

行

chunk_size = tf.shape(a1)[1]

tf.shape 提取 a1 的运行时形状，而不是图形定义时已知的静态形状。由于 a1 是 inp_layer 和 w1 卷积的结果，因此当您引用 a1 时，您还需要解析 inp_layer。因为 inp_layer 是一个占位符，所以您的错误如下。

由于您对图定义时已知的 a1 的第二个维度感兴趣，您可以只使用：

chunk_size = a1.shape[1].value

提取正确的维度值。

全局变量初始化时出现缺失占位符值崩溃？

Missing placeholder value crash occurs during global variable initialization?

placeholder

tensorflow